Züchtung von Energiemais

Transkript

1 Institut für Pflanzenzüchtung, Saatgutkunde und Populationsgenetik Züchtung von Energiemais Ergebnisse aus einem großen Feldversuch Christoph Grieder Prof. Dr. A.E. Melchinger Einbeck, 30. August 2011

2 Ziele von GABI-Energy Arbeitspaket A: Genomik-unterstützte Züchtung von Energiemais Arbeitspaket B: System orientierter Ansatz zur Analyse der Biomasseakkumulation in Mais Aufgaben Uni-Hohenheim in Arbeitspaket B: Zusammenstellung einer breiten Kollektion an genetischem Material Entwicklung von Phänotypisierungs-Plattformen Untersuchung des genetischen Materials unter Feldbedingungen Untersuche relevante Merkmale und Korrelationen zwischen diesen Assoziationskartierung und genomic prediction

3 Züchtung zur Steigerung der Energieausbeute 16 MWh Maisanbaufläche Deutschland: 2.3 Mio ha Quelle: Fachagentur Nachwachsende Rohstoffe e.v., 2007 Silo (59%) Korn + CCM (20%) Biogas (21%) Quelle: Deutsches Maiskomitee

4 Frage: Was beeinflusst Zielmerkmal Methanertrag? Jugendentwicklung Pflanzenhöhe Trockenmasse- Ertrag (kg ha -1 ) Trockenmasse -Gehalt Blühzeitpunkt Lignifizierung Methanertrag (m 3 ha -1 ) Methanausbeute (m 3 kg -1 ) Gehalt leicht verdaulicher Inhaltsstoffe

5 Frage: Was beeinflusst Zielmerkmal Methanertrag? Jugendentwicklung Pflanzenhöhe Trockenmasse- Ertrag (kg ha -1 ) Trockenmasse -Gehalt Blühzeitpunkt Lignifizierung? Methanertrag (m 3 ha -1 ) Methanausbeute (m 3 kg -1 ) Gehalt leicht verdaulicher Inhaltsstoffe

6 Material und Methoden

7 Aufbau Experiment Feldversuch ( Parzellen) Ernte Getrocknete Ganzpflanzenproben ( Parzellen) - Jugendentwicklung (JUG) - Blühzeitpunkt (BLÜH) - Pflanzenhöhe (HÖHE) - Trockenmasse-Ertrag (TME) - Trockenmasse-Gehalt (TMG) NIRS- Messungen + Erstellung NIRS Kalibration NIRS-Spektren des Ganzpflanzenmaterials (5400 Parzellen) - Methanausbeute (MAB) - Umsetzbare Energie (UEN) - Fett, Zucker, Stärke, Protein, Lignin, ADF, NDF

8 Aufbau Experiment (I): Feldversuch

9 Angebautes Pflanzenmaterial Inzuchtlinien Gemeinsame Inzuchtlinien 100 Frühe IL 100 Mittlere IL 100 Späte IL Gemeinsame Hybriden Hybriden 100 Frühe Hybriden Mittlere Hybriden Späte Hybriden Frühe Hybriden Mittlere Hybriden Späte Hybriden 2 Inzuchtlinien Tester 1 Inzuchtlinien Tester 2

10 Versuchsdesign 3 Orte (Eckartsweier, Hohenheim, Ihinger Hof) 2 Jahre (2008, 2009) 2-reihige Parzellen 2 Wiederholungen pro Umwelt (α-design) Parzellen mit > Pflanzen HOH EWE IHO

11 Agronomische Merkmale JUG, BLÜH und HÖHE während Vegetationszeit Ernte mit Parzellenhäcksler TME Parzellenproben TMG Material für spätere Analysen

12 Aufbau Experiment (II): Materialaubereitung + NIRS

13 Erfassung NIR-Spektren Von jeweils nur 1 Feldwiederholung aus jeder Umwelt (5400 Parzellen) Schroten (5 mm) Mahlen (1 mm) Erfassung NIRS-Spektren mit FOSS NIRSystems 6500 Spektrometer Nutze NIRS-Spektren um Qualitätsmerkmale zu bestimmen

14 Erfassung NIR-Spektren Von jeweils nur 1 Feldwiederholung aus jeder Umwelt (5400 Parzellen) Schroten (5 mm) Mahlen (1 mm) Erfassung NIRS-Spektren mit FOSS NIRSystems 6500 Spektrometer Nutze NIRS-Spektren um Qualitätsmerkmale zu bestimmen Problem: Keine NIRS-Kalibration für Methanausbeute vorhanden

15 Aufbau Experiment (III): Erstellung NIRS Kalibration

16 Ziel Kalibrationsexperiment Bestimmung der Methanausbeute in einem diversen Subset Nutze Referenzwerte aus dem Labor NIR-Spektren der Referenzproben Erstelle NIRS-Kalibration NIR Spektren NIRS- Kalibration Anwendung der Kalibration im gesamten Versuch Labor Referenzwerte

17 Methanausbeute (m 3 kg -1 ) Methanproduktion im Detail Methanbildung im HBT folgt asymptotischen Verlauf Modelliere Methanproduktion mit mathematischen Modellen Bestimme Methanausbeute zu bestimmten Zeitpunkten Zeit nach Inkubation (Tage)

18 Erkenntnisse aus dem Kalibrationsexperiment Analyse der in 6 Umwelten angebauten 16 Inzuchtlinien (basierend auf Parzellenmittelwerten) MAB = G + E + G E + R + ε G = Genotyp, E = Umwelt, R = Feldwiederholung, ε = Fehler Varianzkomponenten Trait Mittelwert σ 2 G σ 2 GxE σ 2 ε h 2 Methanausbeute (dm 3 (kg VS) -1 ) Tag ± ± 72** 13 ± ± Tag ± ± 96** 0 ± ± Tag ± ± 37* 20 ± ± Tag ± ± ± ±

19 Entwicklung NIRS Kalibration Problem: Geringe Unterschiede zwischen Genotypen relativ zum Fehler der Referenzmethode Analyse des Kalibrationssets zeigte keinen Effekt der Feldwiederholung Mittle Referenzwerte über Feldwiederholungen um deren Präzision zu erhöhen Von 320 Parzellenwerten zu 218 Referenzwerten für die Kalibrationsentwicklung Spektren: 1 st Ableitung, multiplicative scatter correction Partial Least Squares Regression Ausreißer-Elimination (T-Wert = 2.3) 1000-fache Kreuzvalidierung (80% Kalibration, 20% Validation)

20 Methanausbeute Tag 5: NIRS Gute NIRS-Kalibration für Methanausbeute nach 5 Tagen Kreuzvalidierung R 2 = 0.90 Kalibration R 2 = 0.96 Methanausbeute Tag 5: Referenz

21 Methanausbeute Tag 35: NIRS Genügende NIRS-Kalibration für Methanausbeute nach 35 Tagen Kreuzvalidierung R 2 = 0.83 Kalibration R 2 = 0.93 Methanausbeute Tag 35: Referenz

22 Alle Parameter im Experiment bestimmbar

23 Resultate und Diskussion (nur Hybriden)

24 Varianzkomponenten (Mittel über Hybriden 1 und 2) CV g (%) h % 80% 60% 40% Residual G-by-E Genotype 20% 0% BLÜH TME TMG UEN MAB MER Lignin

25 Schlussfolgerungen Varianzkomponenten Hybriden 1 und Hybriden 2 zeigten sehr ähnliche Leistung und Varianz für alle Merkmale Große genetische Varianz und Geringe Fehlervarianz für agronomische Merkmale Hohe Qualität des Feldversuches Methanausbeute zeigte geringste Variation und Heritabilität

26 Spätere Reife mit höherem Ertrag assoziiert r g = 0.42**, r p = 0.37** r g = 0.40**, r p = 0.35** r g = 0.67**, r p = 0.61** r g = 0.45**, r p = 0.44**

27 Exotisches Material mit hohem Ertragspotential

28 Ertragreiche Hybriden mit geringem TMG assoziiert r g = -0.10, r p = r g = -0.09, r p = r g = -0.49**, r p = -0.47** r g = -0.56**, r p = -0.53**

29 TM-Ertrag bestimmt den Methanertrag r g = 1.00**, r p = 0.99** r g = 1.00**, r p = 0.99** r g = 1.00**, r p = 0.99** r g = 1.00**, r p = 0.98**

30 Stärke ohne Einfluss auf Methanausbeute r g = -0.24, r p = r g = -0.41**, r p = -0.32** r g = 0.12, r p = 0.11 r g = -0.02, r p = 0.00

31 Lignin übt stärksten Einfluss auf Methanausbeute aus r g = -0.56**, r p = -0.54** r g = -0.48**, r p = -0.38** r g = -0.60**, r p = -0.56** r g = -0.58**, r p = -0.53**

32 Abhängigkeit von chemischer Zusammensetzung Methanausbeute Genotypische Korrelation Umsetzbare Energie Fett Stärke n.s Protein NDF Lignin

33 Generelle Schlussfolgerungen Methanausbeute zeigt geringe Variation obwohl große Unterschiede in chemischer Zusammensetzung vorhanden Stärke nicht mit Methanausbeute korreliert Kohlenhydrate = Kohlenhydrate Kolbenanteil von geringerer Bedeutung Nicht abbaubares Lignin zeigt stärksten Einfluss auf Methanausbeute Trifft auch für Ligninkonzentration in der Restpflanze zu TM-Ertrag bestimmt Methanertrag Spätreife, hochwachsende Hybriden mit höchstem Methanertrag Energiemais Silomais

34 Danksagung Universität Hohenheim A.E. Melchinger, E. Orsini G. Mittweg, M. Montes, W. Schipprack, H.F. Utz, F. Technow, C. Riedelsheimer, V. Prigge F. Mauch, J. Jesse, H. Pöschel, T Schmid, R. Lutz, R. Volkshausen, S. Pluskat Projektpartner H. Oechsner, Landesanstalt für Agrartechnik und Bioenergie H. Hrenn, Landesanstalt für landwirtschaftliche Chemie M. Stitt and his group, MPI Golm L. Wilmitzer, MPI Golm T. Altmann, IPK Gatersleben M. Ouzunova, KWS

35

36 Statistische Analyse: Einzelne Maturitätsgruppen Ein-Schritt Analyse mittels REML (package ASreml) θ + θ C + δ G + δ G E + θ C E + E/R/B + ε θ = dummy Kovariable, 1 für Checks und 0 für Genotypen δ = dummy Kovariable, 0 für Checks und 1 für Genotypen (Piepho et al. 2006a) C = Check, G = Genotyp, E = Umwelt, R = Feldwiederholung, B = Unvollständiger Block Heterogene Fehler/Block-Varianzen über Umwelten: Introduction Phenotyping Platforms Germplasm Evaluation Genomic/Metabolic Prediction

37 Statistische Analyse: Gemeinsame Maturitätsgruppen Nutze 5 überlappende Checks um für Unterschiede zwischen den Experimenten zu korrigieren θ + θ C + δ G + δ G E + θ C E + E/D/R/B + ε θ = dummy Kovariable, 1 für Checks und 0 für Genotypen δ = dummy Kovariable, 0 für Checks und 1 für Genotypen (Piepho et al. 2006a) C = Check, G = Genotyp, E = Umwelt, R = Feldwiederholung, B = Unvollständiger Block D = Faktor der Experiment (früh, mittel, spät) definiert (Piepho et al. 2006b) 5 overlapping checks Exp early entries Exp intermed. entries Exp late entries

38 Calculated statistics Phänotypische Varianz: Operative Heritabilität: Zur Schätzung von Kovarianzen zwischen Merkmalen: Bivariates Model zwischen jedem Merkmalspaar Genotypische Korrelation: Phänotypische Korrelation: